任務規劃與大數據

A. 職業生涯規劃采訪雲計算或大數據相關專業 急

幫你答一下:
問題1:
我喜歡能發揮我能力，並且我比較認可的領域。沒為什麼，人性使然。
問題2：
我不喜歡沒有前途，容易破產倒閉的方向。因為工作不僅僅是興趣，也要吃飯。
問題3：
我沒什麼決定。當年父母替我選了大學的這個專業，我就進了這個領域；而我認為自己既然來了，就要做好，否則既對不起自己，也對不起父母。沒什麼步驟，就是學好，做好而已。至於其他途徑，那是別人的事，條條大路通羅馬，別人的事我不操心。
問題4：
坦率地說，這個行業實際上有很細的分工，並不是所有崗位都需要很強的技術。因此，參加培訓雲雲，並不必須。你需要的就是仔細觀察各崗位的要求，然後看準你能做什麼，然後去准備。其餘的就是機遇和運氣了。
問題5：
待遇差距極大，從幾百元，到幾百萬不等。
問題6：
主要就是靈活和務實。不能太忠誠，但也不能太跳脫。因為打工沒有忠誠一說，用你時告訴你要忠誠；不用你時，棄你如破鞋。所以，為自己考慮，低頭做好自己的事，有相應的本事，同時認清形勢，看準機會。這就行了。
問題7：
做好本崗位的要求，並盡量滿足領導的其他安排。僅此而已。能做好這些，你就已經是很了不起了。現在太多人連這些都做不到。
問題8：
我的主要壓力就是自己年齡比較大，在職場上的工作機會越來越少。面臨生存風險。
問題9：
相對來說高學歷，會投機專營的人比較吃香。低頭踏實幹活的人比較吃虧。
問題10：
當然很重要。
問題11：
這個很難說，純看機會。沒有一定。
問題12：
國內這個行業目前已經趨於滅亡。未來將更加向電器行業、媒體平台、銷售、物業等領域靠攏。
問題13：
我不知道。
問題14：
我不能。
問題15：
我不知道。

B. 大數據和數據挖掘該怎麼規劃學習

兩個工作內容聯系不大，你是學習java的，我就主要介紹數據挖掘吧
數據挖掘是提取數據、建立模型分析數據、得出結果後與需求部門進行溝通的一個職業。
舉個例子：銀行的事業部有很多潛在的貸款申請者，事業部向數據挖掘人員提出需求，希望能夠分析哪些申請者是優質放貸對象？
數據挖掘人員首先要充分理解事業部的需求，其次要從資料庫提取相關數據，提取數據的工作有些時候是由DBA來完成，好了，現在你得到了歷史數據，你的任務就是通過歷史數據來建立模型，分析具備什麼特徵的申請者是有能力還貸、不拖欠的，然後用建立好的模型來預測我們剛剛得到的新的一批申請者。
再具體一點：例如，我們通過歷史數據發現，年齡大於35歲，的男性，已婚，家庭人口大於3，收入在12000元以上的申請者是理想的放貸對象，那麼我們用這個標准來限定新的申請者。
當然我舉的例子，為了淺顯易懂，是非常簡單的示意例子，實際情況要復雜得多，會涉及到個人的貸款歷史、信用評估、自然屬性、社會屬性、資產評估等情況——就是說，數據挖掘人員是要通過資料庫中的海量數據，整理出哪些是有用數據，再用這些有用的數據來分析其它部門的問題，幫助他們解決問題，或者為公司的發展提供數據依據

數據挖掘的上升方向是：數據挖掘——產品層——決策層

java是屬於開發，比如開發軟體、介面、應用程序等，如果一個公司需要開發數據挖掘軟體，那麼則需要數據挖掘知識+java開發能力，只有在這種時候，才需要兩個都具備

但是一般自主開發數據挖掘軟體的公司很少，第一需要消耗大量人力物力，第二市場有很多現成的軟體，沒必要開發。

如果你想從事數據挖掘，你必須具備：
數據挖掘模型、演算法的數學知識以及一些數據分析軟體（SPSS、SAS、matlab、clementine）
一些資料庫相關的知識（oracle、mySQL）
了解市場、其它部門需求

當然這些都是一點一滴積累起來的，沒必要一蹴而就，特別是對市場、行業的了解以及對公司其它部門的需求的理解非常重要，這決定了你能否從基礎的分析人員上升到產品層、決策層，都是要在實際的工作中積累起來的

至於放棄java什麼的，我覺得真的不是放棄，因為你具備了java的基礎，一定能派上用場，比如技術型產品經理（face book的扎克伯格和騰訊的馬化騰都是技術型產品經理），這種產品經理能夠清晰的把握產品的開發過程，還有市場知識。總結起來就是沒有什麼東西會浪費掉，你學的所有的東西都將在工作中派上用場，只是你遇到的情況不夠多不夠復雜而已

C. 與大數據相關的工作職位有哪些

說個大概吧

大數據開發工程師：負責公司大數據平台的開發和維護，負責大數據平台持續集專成相關工具屬平台的架構設計與產品開發等；

數據分析師：進行數據搜集、整理、分析，針對數據分析結論給管理銷售運營提供指導意義的分析意見；

數據挖掘工程師：商業智能，用戶體驗分析，預測流失用戶等；需要過硬的數學和統計學功底以外，對演算法的代碼實現也有很高的要求。

資料庫開發：設計，開發和實施基於客戶需求的資料庫系統，通過理想介面連接資料庫和資料庫工具，優化資料庫系統的性能效率等；

數據管理：資料庫設計、數據遷移、資料庫性能管理、數據安全管理，故障檢修問題、數據備份、數據恢復等；

數據科學家：清洗，管理和組織（大）數據，利用演算法和模型提高數據處理效率、挖掘數據價值、實現從數據到知識的轉換；

數據產品經理：把數據和業務結合起來做成數據產品。

D. 大數據開發和數據分析有什麼區別

1、技術區別

大數據開發類的崗位對於code能力、工程能力有一定要求，這意味著需要有一定的編程能力，有一定的語言能力，然後就是解決問題的能力。

因為大數據開發會涉及到大量的開源的東西，而開源的東西坑比較多，所以需要能夠快速的定位問題解決問題，如果是零基礎，適合有一定的開發基礎，然後對於新東西能夠快速掌握。

如果是大數據分析類的職位，在業務上，需要你對業務能夠快速的了解、理解、掌握，通過數據感知業務的變化，通過對數據的分析來做業務的決策。

在技術上需要有一定的數據處理能力，比如一些腳本的使用、sql資料庫的查詢，execl、sas、r等工具的使用等等。在工具層面上，變動的范圍比較少，主要還是業務的理解能力。

2、薪資區別

作為IT類職業中的「大熊貓」，大數據工程師的收入待遇可以說達到了同類的頂級。國內IT、通訊、行業招聘中，有10%都是和大數據相關的，且比例還在上升。

在美國，大數據工程師平均每年薪酬高達17.5萬美元。大數據開發工程師在一線城市和大數據發展城市的薪資是比較高的。

大數據分析：大數據分析同樣作為高收入技術崗位，薪資也不遑多讓，並且，我們可以看到，擁有3-5年技術經驗的人才薪資可達到30K以上。

3、數據存儲不同

傳統的數據分析數據量較小，相對更加容易處理。不需要過多考慮數據的存儲問題。而大數據所涉及到的數據具有海量、多樣性、高速性以及易變性等特點。因此需要專門的存儲工具。

4、數據挖掘的方式不同

傳統的數據分析數據一般採用人工挖掘或者收集。而面對大數據人工已經無法實現最終的目標，因此需要跟多的大數據技術實現最終的數據挖掘，例如爬蟲。

E. 大數據系統體系建設規劃包括哪些內容

技術模型控制、適應傳統管理工作需求 新一代電子政務系統在得出了業務資源及關系模型和業務資源許可權控制模型後，再結合機關單位辦公實際，梳理傳統管理工作需求，把機關單位的傳統管理工作、規章制度通過技術模型的形式固定了。還有像傳統的規章制度中對文件傳閱控制、處理規定等，新一代電子政務系統就通過查詢授權功能在技術上實現。提煉標准模型在創新的業務核心模型基礎上，新一代電子政務系統建設為了保障業務核心模型的有效實現和規劃，再提煉了業務標准模型。統一資料庫結構設計 新一代電子政務系統通過數據標准規范，統一了各子系統的數據結構標准，從數據底層實現了標准統一，為各子系統之間的數據共享和數據整合提供了統一結構基礎。統一系統和基礎信息資源分類 新一代電子政務系統通過統一各業務及應用子系統之間的系統和基礎信息資源分類，實現了信息資源支撐的統一，從而為各子系統之間的數據關聯相互交換提供了統一數據基礎。業務數據標准化保障了業務模型在數據層次的統一，確保了業務模型數據標准。統一主界面布局與統一應用層次 在業務數據標准統一基礎上，為了確保業務核心模型在電子技術實現後的規范和方便應用，新一代電子政務系統又創新實現了系統布局和展示層的標准,還可以為應用層次劃分標准，從而方便用戶對系統的規范使用。制定設計模型創新了業務核心模型，提煉了業務標准後，新一代電子政務系統針對各種辦公業務資源，從業務工作的實際出發，結合實踐經驗，又創新制定了基於業務核心模型基礎上的業務設計模型，業務設計模型的創新又在於歸納可復用各業務功能模塊上面。新一代電子政務系統中，業務設計模型的創新在於提煉可復用各業務功能模塊。以往的電子政務建設，模塊不清晰，系統建設雜亂無章，很多建設工作重復，這不僅僅耗費了大量資金，而且不利於系統的長遠發展和推廣應用。新一代電子政務系統從建設的實踐中，從功能模塊層提煉出了可復用的各業務功能模塊，以方便系統的繼續發展和建設，局部見圖2

F. 大數據工程師未來職業規劃

想了解數據分析工程師的職業規劃或學習計劃，由此來提升自己的技能和專業知識，我覺得最准確最有針對性一個方法就是查閱招聘崗位的工作要求，這樣我們就可以有的放矢地好好專研自己的學習。我們看一下以下這條招聘要求：
1.負責大數據平台的規劃、分析、設計工作，把握整體架構，進行相關技術方案文檔的撰寫；
2.負責大數據平台的部署、開發、維護工作；
3.與BI分析人員協作，完成面向業務目標的數據分析模型定義和演算法實施工作；
4.承擔相關技術領域的探索與儲備。
任職要求：
1.大學本科以上學歷，熟練掌握C/C++或者JAVA；
2.熟悉各種常用數據結構及演算法，對linux下的網路資料庫開發有足夠經驗；
3.有2年以上C++實戰經驗者優先；
4.有大數據挖據方面經驗和技能者優先；如hadoop、hbase、hive等；
5.善於與其他部門的成員溝通、協作。
還有一個招聘要求是：
崗位職責：
1、理解並挖掘用戶需求，進行數據建模；
2、利用專業統計、分析工具從海量數據中總結規律、挖掘潛在價值，提供決策依據。
任職要求：
1、數學類、統計類、計算機類、人工智慧類相關專業本科及以上學歷，2年左右專職數據分析、挖掘經驗，優秀的應屆碩士也可；
2、良好的數據敏感性，善於從海量數據中提取有效信息進行分析挖掘和建模；
3、熟練掌握任一種分析工具，例SPSS、SAS、R語言、MatLab；
4、熟悉資料庫技術，如oracle、SQL、MongoDB；
5、對於數學建模、數據挖掘、Hadoop大數據有經驗者優先。
我想，你看到這，應該是對數據分析工程師有了非常明晰的看法，好好加油ba !

G. 大數據系統體系建設規劃包括哪些內容

（1）內部控制組織抄
組織是體系運行的基本保障。其中，是否設置專職的內控部門是企業界關注的焦點，通常的設置方式包括三種：
方式一：單獨設置內控部門。
方式二：由內部審計部門牽頭負責內控工作。
方式三：在內部控制建設集中期設立內部控制建設辦公室，該辦公室從各主要部門抽調人員專職從事內控體系建設工作，待體系正式運行時，辦公室解散，人員歸位到各經營管理部門，且牽頭職能也歸位至內審部門。
（2）內部環境的診斷與完善
（3）動態的風險評估
（4）控制活動的設計
內控手冊分模塊設計，每一模塊一般包括五個方面的內容：
第一，管理目標。
第二，管理機構及職責。
第三，授權審批矩陣。
第四，控制活動要求。
第五，比照上述幾部分，各經營管理部門應當重新梳理與完善業務流程，針對關鍵風險點強化控制措施，確保組織職責、授權審批、內控要求落實到經營流程中，保證管理目標的實現。
（5）信息與溝通貫穿始終
（6）內部監督手段。